CN116305837A - 一种突出比例分析的模块化不确定性量化评估方法及设备 - Google Patents
一种突出比例分析的模块化不确定性量化评估方法及设备 Download PDFInfo
- Publication number
- CN116305837A CN116305837A CN202310134929.2A CN202310134929A CN116305837A CN 116305837 A CN116305837 A CN 116305837A CN 202310134929 A CN202310134929 A CN 202310134929A CN 116305837 A CN116305837 A CN 116305837A
- Authority
- CN
- China
- Prior art keywords
- iet
- analysis
- model
- npp
- uncertainty
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000011158 quantitative evaluation Methods 0.000 title abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 106
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000011002 quantification Methods 0.000 claims abstract description 27
- 230000035945 sensitivity Effects 0.000 claims abstract description 25
- 238000013139 quantization Methods 0.000 claims abstract description 20
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 62
- 238000002474 experimental method Methods 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 31
- 238000012821 model calculation Methods 0.000 claims description 29
- 238000013461 design Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000003491 array Methods 0.000 claims description 18
- 230000001052 transient effect Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 8
- 230000001149 cognitive effect Effects 0.000 claims description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 8
- 238000013076 uncertainty analysis Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000011021 bench scale process Methods 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 101000691787 Homo sapiens Phosphoinositide-interacting protein Proteins 0.000 claims 2
- 102100026124 Phosphoinositide-interacting protein Human genes 0.000 claims 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000013213 extrapolation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 3
- 238000005253 cladding Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000150786 Athletes Species 0.000 description 1
- 208000034320 Autosomal recessive spastic ataxia of Charlevoix-Saguenay Diseases 0.000 description 1
- 201000003679 Charlevoix-Saguenay spastic ataxia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于反应堆模拟技术领域，公开了一种突出比例分析的模块化不确定性量化评估方法及设备，包括：通过选择模拟对象，根据所述模拟对象进行数据的获取与处理构建评估矩阵、确定决定性参数进行信息的明确；通过进行代码评估、代码比例分析能力确定、NPP准确性评估评估程序可用性；通过进行敏感性量化、数据适用性评估进行量化分析。本发明着重突出了比例分析在不确定性量化及敏感性分析各阶段中的作用；本发明模块化的工作流程具有灵活性，任一部分只取1‑2个模块即可形成新的行之有效的方法流程。本发明提供了一种优化的不确定性量化方法，能够有效地利用现有的工具、信息及实验数据。
Description
技术领域
本发明属于反应堆模拟技术领域，尤其涉及一种突出比例分析的模块化不确定性量化评估方法及设备。
背景技术
目前，从1973年开始，模拟分析工作开始成为认定反应堆安全性的一大重要部分。但由于科研设计人员对很多关键现象的理解还不够深入，因此大多数时候都采用人为做出保守假设的保守方法(Conservative Method)，如对包壳峰值温度、堆芯水位、堆芯压力采取做出可能大量超过真实值的假设，但大量保守假设叠加，结果可能并不保守。因此，1988年，美国核管会提出使用最佳估算加不确定性(Best Estimate Plus Uncertainty,BEPU)的方法来进行安全分析和反应堆设计。最佳估算，是为了更加深入理解现象，使得估算值更接近真实值。而评估不确定性，是为了能得到其值的可能分布范围，以将事故情况下的真实值包括在内。BEPU方法在保证安全性的同时，可以大幅提高核反应堆的经济效益，提高我国核电的竞争力。现有BEPU方法主要应用于原型堆模拟及其对应的试验台架数据使用，且实验数据的外推未形成一套行之有效的方法。
通过上述分析，现有技术存在的问题及缺陷为：现有的最佳估算加不确定性分析方法一般是主要用于试验数据向原型堆的使用，仅能评估特定反应堆上的特定一个或几个事故工况。但台架一般建设费用高昂，可用范围不大，将比例分析方法突出体现于最佳估算加不确定性分析的各个阶段，将其数据外推使用是一个亟待解决的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种突出比例分析的模块化不确定性量化评估方法及设备。
本发明是这样实现的，一种突出比例分析的模块化不确定性量化评估方法，所述突出比例分析的模块化不确定性量化评估方法包括：
首先，通过选择模拟对象，根据所述模拟对象进行数据的获取与处理构建评估矩阵、确定决定性参数进行信息的明确；
其次，通过进行代码评估、代码比例分析能力确定、NPP准确性评估评估程序可用性；
最后，通过进行敏感性量化、数据适用性评估进行量化分析。
进一步，所述突出比例分析的模块化不确定性量化评估方法包括以下步骤：
步骤一，通过选择模拟对象、根据模拟对象获取数据并进行数据充分性评估，构建现象识别与排序表，进行复现现象、模拟工具以及数据的选择，通过选定模拟工具，获取手册等文档，并依据用户经验评估程序模型，并最终建立评估矩阵；
步骤二，通过确定程序对各个现象的模拟能力，对认知不确定性、高等级现象及起决定性作用的参数、比例失真偏差以及关系式系数的获取，并对所述参数的初始分布范围进行量化，最终确定决定性参数及其范围；
步骤三，通过构建用于计算的IET模型、将计算结果与IET实验结果对比，进行模型节点的适应性调整以及初步代码准确性评估进行后测分析；
步骤四，通过构建理想比例的IET模型或对比实验模型、将计算结果与IET实验结果和后测分析计算结果进行对比、评估初步代码比例能力；
步骤五，通过构建NPP数值模型，适用SET数据对模型节点进行适应性调整、评估初步代码的准确性、确定代码比例分析能力并进行NPP准确性分析；
步骤六，通过进行NPP/IET/理想比例IET不确定性量化，评估包络情况、是否超过安全及设计极限，使用步骤二生成的决定性参数及其分布范围，对参数进行敏感性量化，计算相关性、敏感性进行敏感性量化，并反馈给步骤二，调整参数重要性；
步骤七，通过使用无量纲数组对模拟结果进行现象学量化、数据适用性评估、偏差和失真分析进行数据适用性评估，为后期数据的拓展使用、新台架的建设、新实验的设计提供指导。
进一步，所述构建评估矩阵包括：
(1)选择模拟对象，并根据选择的模拟对象获取可用的整体效应试验台架、分离效应试验台架及核电厂的运行数据；同时采用层次分析法或其他方法对获取的运行数据进行充分性评估；
(2)选择具有充分性的实验数据，构建实验数据库；根据选择的模拟对象对影响事故进程的重要现象进行识别，并对所述重要现象的重要性进行排序，建立特定反应堆特定事故工况下的现象识别与排序表；
(3)从构建的特定反应堆特定事故工况下的现象识别与排序表中选取高等级现象得到需复现的重要现象；选择用于模拟的工具，并获取工具手册、程序文档或其他数据；
(4)对程序内部关系式进行评估，明确在所选事故工况条件下各类经验关系式的适用范围。
进一步，所述确定决定性参数包括：
首先，基于程序文档获取程序对各个现象的模拟能力；若存在明确的不能准确模拟的现象，则引入认知不确定性，进行量化；
其次，进行对高等级现象及起决定性作用的参数及所述参数的初始分布范围的量化；
然后，确定整体效应试验台架、分离效应试验台架与目标模拟对象之间的整体或局部比例失真偏差；
最后，在对事故瞬态进行模拟时，调整关系式中的系数。
进一步，所述进行后测分析包括：
1)构建用于计算的IET模型：根据获取的运行数据中的IET几何条件、初始条件及边界条件，建立数值模型，并进行网格无关性验证或节点敏感性分析；同时按照事故瞬态控制逻辑设定模型触发逻辑，得到模拟过程中所用的最终模型；
2)将计算结果与IET实验结果对比：首先，将稳态运行结果与实验初始值进行对比，通过初始值的校准，按照事故逻辑，进行瞬态模拟，并将计算结果与随时间变化的瞬态实验结果进行对比；
3)判断是否需要调整模型节点；若是，则返回步骤1)；否则，转向步骤4)；
4)进行初步代码准确性评估：对模拟结果和实验结果进行定性对比，当满足定性对比条件后，量化模拟值与实验值之间的偏差。
进一步，所述确定代码比例分析能力包括：
(1)构建理想比例的IET模型或对比实验模型：通过基于原型反应堆或IET台架，依据特定比例分析方法，降比例至台架尺度或放大比例至原型堆尺度的模型构建理想比例的IET模型；
(2)将计算结果与IET实验结果和后测分析计算结果进行对比，进行初步代码比例能力评估：针对各项对比类型，当满足定性对比条件后，继续进行定量对比，评估代码对不同尺度反应堆/台架的现象模拟能力；
进一步，所述NPP准确性分析及代码评估包括：
(1)根据真实NPP构建用于计算的NPP数值模型；并将计算结果与NPP运行结果、理想比例的IET模型计算结果、后测分析计算结果、IET&SET实验结果对比；
(2)根据与实验结果的吻合情况判断是否需要调整模型节点；若需要，则返回步骤(3)，否则转向步骤(5)；
(3)进行初步代码准确性评估：针对各项对比类型，当满足定性对比条件后，继续进行定量对比，量化模拟值与实验值之间的偏差：将NPP模型计算结果与NPP运行结果对比，评估程序对NPP尺度的精确模拟能力；将NPP模型计算结果与ISF模型计算结果对比，得到仅由比例带来的失真；将NPP模型计算结果与放大比例IET模拟结果对比，得到仅由工程折衷带来的失真，并识别台架未能复现的局部现象；将NPP模型计算结果与后测分析计算结果及IET实验结果对比，得到由比例、工程折衷及代码模拟能力不足带来的失真；将NPP模型计算结果与SET实验结果对比，评估程序对NPP局部现象的模拟能力。
进一步，所述敏感性量化包括：
(1)进行NPP/IET/理想比例IET不确定性量化：根据获得的不确定性参数，使用建立的NPP、IET或理想比例IET的程序模型，指定目标输出参数进行基于非参数统计法的不确定性分析；
(2)评估包络情况、安全及设计极限：根据图像，判断每经过一轮计算得到的一次目标输出参数的不确定性包络带是否能够包络实验值，以及FoM是否超过安全限值或设计极限；
(3)进行敏感性量化：针对得到的不确定性输入参数，基于输入不确定性传播，进行敏感性分析；
(4)计算相关性、敏感性：使用简单相关系数、秩相关系数、偏秩相关系数、矩独立敏感性分析、Morris方法或其他敏感性分析方法，迭代计算输入与输出之间的相关性确定影响较大的参数，并与PIRT对比，对PIRT进行补充或修正；
进一步，所述数据适用性评估包括：
(1)使用无量纲数组对模拟结果进行现象学量化：根据特定比例分析方法，得到一系列无量纲准则数组，表征一系列重要热工水力现象；将模型的计算结果与实验结果相结合，带入无量纲数组中，得到IET、理想比例IET、NPP各自无量纲数组的数值；
(2)数据适用性评估、偏差、失真分析：将IET、理想比例IET、NPP各自无量纲数组的数值进行比较，当比值接近1时，代表现象复现；当比值相差较大时，代表现象不能准确复现；
(3)根据无量纲数组比值是否满足适用性条件，判定是否适用，若适用，则转向步骤(4)；否则，转向步骤(5)；
(4)当无量纲数组比值满足适用性条件时，判定IET/SET数据适用于目标NPP/IET模型；
(5)当无量纲数组比值不满足适用性条件时，判定IET/SET数据不能适用目标NPP/IET模型，根据无量纲数比值的大小识别失真的现象，并基于识别的失真现象改进升级现有的台架或新建IET/SET台架。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述突出比例分析的模块化不确定性量化评估方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述突出比例分析的模块化不确定性量化评估方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于执行所述突出比例分析的模块化不确定性量化评估方法。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明着重突出了比例分析在不确定性量化及敏感性分析各阶段中的作用；本发明模块化的工作流程具有灵活性，任一部分只取1-2个模块即可形成新的行之有效的方法流程；本发明在评估程序可用性部分给出了使用比例分析方法结合程序模拟的方式，将台架数据外推至原型反应堆进行直接对比，提供了行之有效的比例外推方法；本发明在量化分析部分加入了使用无量纲数进行数据适用性分析的步骤，为台架数据的充分使用提供了具有可行性的思路。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明提供了一种方法，使得台架上的数据可一定程度外推至原型堆尺度：通过建立IET模型、量化降低模型与实验值之间的偏差、将IET模型比例放大至原型堆尺度、模拟结果与原型堆NPP模拟结果直接对比的方式，实现了IET数据外推至原型堆NPP进行对比验证的方法流程；本发明提供了一种优化的不确定性量化方法，能够充分有效地利用现有的工具、信息及实验数据：在明确信息阶段，充分提取可用数据、文档、比例分析方法及用户经验，在评估程序可用性阶段，充分使用已有的IET及SET数据，并使用量化方法指导调整节点，降低程序模拟结果与实验数据之间的偏差，在量化分析阶段，充分使用已确认的认知不确定性、高等级参数、比例失真偏差、关系式系数等，量化不确定性及输入参数敏感性，并充分使用已有实验数据，通过使用比例分析方法，推导系统整体及各组件的质量守恒、动量守恒及能量守恒方程，得到一系列无量纲数组，并将实验结果和程序模拟结果分别带入无量纲数组中，得到实验数据对对比试验、原型堆或非原型反应堆的适用性。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题：
(1)如何将IET上的数据比例外推至原型反应堆：本发明通过建立IET模型、量化降低模型与实验值之间的偏差、将IET模型比例放大至原型堆尺度、模拟结果与原型堆NPP模拟结果直接对比的方式，实现了IET数据间接外推至原型堆NPP进行对比验证的方法流程；
(2)如何有效利用已有的大量实验数据，评估其对其他非原型反应堆的适用性：本发明通过使用比例分析方法，推导系统整体及各组件的质量守恒、动量守恒及能量守恒方程，得到一系列无量纲数组，并将实验结果和程序模拟结果分别带入无量纲数组中，得到实验数据对对比试验、原型堆或非原型反应堆的适用性
附图说明
图1是本发明实施例提供的突出比例分析的模块化不确定性量化评估方法原理图；
图2是本发明实施例提供的突出比例分析的模块化不确定性量化评估方法流程图；
图3是本发明实施例提供的代码准确性评估示意图；
图4是本发明实施例提供的突出比例分析的模块化不确定性量化评估方法架构图；
图5是本发明实施例提供的安全壳压力及其不确定性带示意图；
图6是本发明实施例提供的Spearman秩相关系数柱状图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1-图2所示，本发明实施例提供的突出比例分析的模块化不确定性量化评估方法包括以下步骤：
S101，通过选择模拟对象、根据模拟对象获取数据并进行数据充分性评估，构建现象识别与排序表，进行复现现象、模拟工具以及数据的选择，通过选定模拟工具，获取手册等文档，并依据用户经验评估程序模型，并最终建立评估矩阵；
S102，通过确定程序对各个现象的模拟能力，对认知不确定性、高等级现象及起决定性作用的参数、比例失真偏差以及关系式系数的获取，并对所述参数的初始分布范围进行量化，最终确定决定性参数及其范围；
S103，通过构建用于计算的IET模型、将计算结果与IET实验结果对比，进行模型节点的适应性调整以及初步代码准确性评估进行后测分析；
S104，通过构建理想比例的IET模型或对比实验模型、将计算结果与IET实验结果和后测分析计算结果进行对比、评估初步代码比例能力；
S105，通过构建NPP数值模型，适用SET数据对模型节点进行适应性调整、评估初步代码的准确性、确定代码比例分析能力并进行NPP准确性分析；
S106，通过进行NPP/IET/理想比例IET不确定性量化，评估包络情况、是否超过安全及设计极限，使用步骤二生成的决定性参数及其分布范围，对参数进行敏感性量化，计算相关性、敏感性进行敏感性量化，并反馈给步骤二，调整参数重要性；
S107，通过使用无量纲数组对模拟结果进行现象学量化、数据适用性评估、偏差和失真分析进行数据适用性评估，为后期数据的拓展使用、新台架的建设、新实验的设计提供指导。
本发明实施例提供的突出比例分析的模块化不确定性量化评估方法包括：
第一部分：明确信息
模块1：建立评估矩阵
1-1：选择模拟对象。即选择一个特定的反应堆类型(例如ESBWR、AP1000、EPR1000、CAP1400等)和发生在此反应堆上的特定事故工况(例如大破口失水事故、小破口失水事故、全场断电等)。
1-2：获取可用的整体效应试验台架(IET)、分离效应试验台架(SET)及核电厂(NPP)运行数据。根据1-1步所选择的模拟对象，通过开展实验或调研总结的方式获取相关的IET、SET、或NPP运行数据。数据需包含几何参数、初始条件、边界条件、实验结果、比例比值等。
1-3：数据充分性评估。采用层次分析法等方法，对1-2步获取到的数据进行充分性评估，以确认其可用于后续评估矩阵的建立。
1-4：选定数据库。经过1-3步的评估筛选，选择出具有充分性的实验数据，建立实验数据库，其中包括但不限于与原型反应堆直接相关的实验数据。
1-5：建立现象识别与排序表(PIRT)。1-1步选定模拟对象后，可根据实验、专家意见、逆不确定性分析及工程判定等方式，对影响事故进程的重要现象进行识别，并对其重要性进行排序，建立特定反应堆特定事故工况下的PIRT。
1-6：选择所需复现的重要现象。根据1-5建立的PIRT，从中选取高等级现象，即模拟中需要复现的现象。
1-7：选定模拟工具。即选择用于模拟的计算程序(例如RELAP5、TRACE、CATHARE、ATHLET、ARSAC、MELCOR等)。
1-8：获取手册等文档。由1-8步，一旦计算程序确定，则可获取程序附带的用户手册等各类文档。
1-9：用户经验。程序的流畅使用需要用户不断积累经验并学习前人经验。
1-10：程序模型评估。通过查阅1-8步获取的程序手册等各类文档，学习1-9步积累的经验，可对程序内部关系式进行评估，明确在所选事故工况条件下各类经验关系式的适用范围。
模块2：确定决定性参数
1-11：认知不确定性。通过查阅1-8步中获取的程序文档，可得知程序对各个现象的模拟能力。若其中有明确的不能准确模拟的现象，则引入认知不确定性，对其进行量化。
1-12：高等级现象。作为量化的一部分，对高等级现象及起决定性作用的参数及其初始分布范围在此步骤量化。
1-13：确定比例失真偏差。在1-2步选择IET及SET的过程中，需提供与目标模拟对象之间的整体或局部比例失真。
1-14：关系式系数。在对事故瞬态进行模拟时，事故进程迅速，程序中各类关系式的适用范围不同，需据此灵活调整关系式中的系数。
第二部分：评估程序可用性
模块3：后测分析/代码评估
2-1：建立用于计算的IET模型。即依据模块1中获取的IET几何条件、初始条件及边界条件，建立其数值模型，并需进行网格无关性验证或节点敏感性分析。同时，按照事故瞬态控制逻辑设定模型触发逻辑，最终确定模拟过程中所用的最终模型。
2-2：计算结果与IET实验结果对比。此步骤共有两部分，首先是稳态运行结果与实验初始值进行对比，通过初始值的校准后，按照事故逻辑，进行瞬态模拟，并将计算结果与随时间变化的瞬态实验结果进行对比。此步骤进行的是实验测试的后测分析(Post-testAnalysis)。
2-3：调整模型。此处为判断步骤。即根据与实验结果的吻合情况，是否要适当调整模型节点。
2-4：初步代码准确性评估。得到最终模型的计算结果后，需对模拟结果和实验结果进行定性对比，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。例如直接采用计算值(YC)与实验值(YE)之差(YC-YE)、两者之商(YC/YE)或基于快速傅里叶变换的方法(FFTBM)等。此步骤量化的是代码模拟特定试验工况的偏差，即代码准确性评估。
模块4：代码比例分析能力
2-5：建立理想比例的IET模型或对比实验(Counterpart Test)模型。“理想比例的IET模型”可以是基于原型反应堆，依据特定比例分析方法，降比例至台架尺度的模型，也叫做“理想比例台架(ISF)”。若用户建立ISF模型与模块3中形成的IET模型对比，则可得到由于工程折衷带来的失真。“理想比例的IET模型”也可以是基于IET台架，依据特定比例分析方法，放大比例到原型堆尺度的模型，也叫做“放大比例IET(Scale-up IET)”。若用户采用放大比例IET结果与模块3中形成的IET模型计算结果对比，则可得到纯粹由于比例带来的失真。基于同一原型反应堆，但与模块3中建模的IET具有不同比例的其他IET，在其上针对同一事故工况进行的试验，被叫做“对比实验”。若用户采用对比实验模型的计算结果与模块3中形成的IET模型计算结果对比，则也可一定程度上得到由于比例带来的失真。
2-6：计算结果与IET实验结果和后测分析计算结果对比。
2-7：初步代码比例能力评估。针对2-5步中各项对比类型，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。例如直接采用计算值(YC)与实验值(YE)之差(YC-YE)、两者之商(YC/YE)或基于快速傅里叶变换的方法(FFTBM)等。此步骤量化的是代码模拟特定试验工况的偏差，即代码准确性评估。若用户建立ISF模型与模块3中形成的IET模型对比，则可得到由于工程折衷带来的失真。若用户采用放大比例IET结果与模块3中形成的IET模型计算结果对比，则可得到纯粹由于比例带来的失真。若用户采用对比实验模型的计算结果与模块3中形成的IET模型计算结果对比，则也可一定程度上得到由于比例带来的失真。后两者皆可在量化比例失真的基础上，同时评估代码对不同尺度反应堆/台架的现象模拟能力。
模块5：NPP准确性分析/代码评估
2-8：建立用于计算的NPP模型。依据真实NPP，建立数值模型。
2-9：计算结果与NPP运行结果、理想比例的IET模型计算结果、后测分析计算结果、IET&SET实验结果对比。将NPP模型计算结果与NPP运行结果对比，可评估程序对NPP尺度的精确模拟能力，即由于程序本身带来的偏差。将NPP模型计算结果与ISF模型计算结果对比，可得到仅由比例带来的失真。将NPP模型计算结果与放大比例IET模拟结果对比，可得到仅由工程折衷带来的失真，并可识别出台架未能复现的局部现象。将NPP模型计算结果与后测分析计算结果及IET实验结果对比，可得到由比例、工程折衷及代码模拟能力不足带来的失真。将NPP模型计算结果与SET实验结果对比，可评估程序对NPP局部现象的模拟能力。
2-10：调整节点。此处为判断步骤。即是否要根据与实验结果的吻合情况，适当调整模型节点。
2-11：初步代码准确性评估。针对2-9步中各项对比类型，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。例如直接采用计算值(YC)与实验值(YE)之差(YC-YE)、两者之商(YC/YE)或基于快速傅里叶变换的方法(FFTBM)等。此步骤量化的是代码模拟特定试验工况的偏差，即代码准确性评估。将NPP模型计算结果与NPP运行结果对比，可评估程序对NPP尺度的精确模拟能力，即由于程序本身带来的偏差。将NPP模型计算结果与ISF模型计算结果对比，可得到仅由比例带来的失真。将NPP模型计算结果与放大比例IET模拟结果对比，可得到仅由工程折衷带来的失真，并可识别出台架未能复现的局部现象。将NPP模型计算结果与后测分析计算结果及IET实验结果对比，可得到由比例、工程折衷及代码模拟能力不足带来的失真。将NPP模型计算结果与SET实验结果对比，可评估程序对NPP局部现象的模拟能力。
第三部分：量化分析。
模块6：敏感性量化
3-1：进行NPP/IET/理想比例IET不确定性量化(使用第二部分建立的模型)。根据第一部分模块2获得的不确定性参数，使用第二部分建立的NPP、IET或理想比例IET的程序模型，指定目标输出参数(FoM)，例如包壳峰值温度(PCT)、堆芯最低液位、安全壳最高压力等。进行基于非参数统计法的不确定性分析。
3-2：评估包络情况&安全/设计极限。每经过一轮计算，即可得到一次目标输出参数的不确定性包络带，例如包壳温度不确定性包络带、堆芯液位不确定性包络带、安全壳压力不确定性包络带等。可根据图像，判断不确定性包络带是否能够包络实验值，以及FoM(例如包壳峰值温度、堆芯最低液位、安全壳最高压力等)是否超过安全限值或设计极限。
3-3：进行敏感性量化。针对第一部分模块2获得的不确定性输入参数，基于输入不确定性传播，进行敏感性分析。
3-4：计算相关性/敏感性。使用简单相关系数、秩相关系数、偏秩相关系数、矩独立敏感性分析、Morris方法等敏感性分析方法，计算输入与输出之间的相关性。此过程重复多次，直到迭代找出影响较大的参数，并与第一部分中PIRT对比，对PIRT进行补充或修正。
模块7：数据适用性评估
3-5：使用无量纲数组对模拟结果进行现象学量化。作为衡量某一特定现象比例相似程度的重要参数，无量纲准则数可以对特定物理现象做出独立于台架特性、装置尺寸等的表征，因此可以用于比例设计的合理性验证以及实验数据的适用性评估量化。首先根据特定比例分析方法，推导得到一系列无量纲准则数组，表征一系列重要热工水力现象。将第二部分模型的计算结果与实验结果相结合，带入无量纲数组中，求得IET、理想比例IET、NPP各自无量纲数组的数值。
3-6：数据适用性评估&偏差/失真分析。将IET、理想比例IET、NPP各自无量纲数组的数值进行比较(ΠR)，当比值(ПR)接近1时，代表现象复现；当比值相差较大时，代表现象不能准确复现。
3-7：是否适用。此步骤为判断步骤，即根据无量纲数组比值ΠR是否满足适用性条件，判定是否适用。
3-8：IET/SET数据适用于目标NPP/IET。当无量纲数组比值ΠR满足适用性条件时，可判定台架上的数据可适用于NPP模型或对比实验台架的验证。
3-9：识别失真现象。当无量纲数组比值ΠR不满足适用性条件时，可判定台架上的数据不能适用于NPP模型或对比实验台架的验证。可根据无量纲数比值ΠR的大小识别出失真的现象。
3-10：升级/新建实验台架。识别出失真现象后，可看情况改进升级现有的台架，使之能够复现新的NPP上的现象，或新建IET/SET台架。
本发明实施例提供的突出比例分析的模块化不确定性量化评估方法包括以下步骤：
1-1：选取特定压水反应堆特定事故工况。
1-2：获取可用的台架数据。
1-3：预备建立IET模型情况下，默认选取此台架而不经过充分性评估阶段。
1-4：选定数据库。
1-5：建立特定压水反应堆特定事故工况下PIRT。
1-6：选取所需要复现的重要现象：蒸汽发生器一二次侧传热、破口流量、反应堆冷却剂系统流量、环路不对称效应、堆芯传热等。
1-7：选定模拟工具。RELAP5程序。
1-8：获取手册和相关文档。
1-9：基于前人及用户本人自身积累的经验。
1-10：对程序模型进行评估。
1-11：获取认知不确定性。
1-12：获取高等级现象相关的输入参数。如下表。
1-13：根据台架设计文档，获得比例失真偏差。
1-14：根据程序手册，获得需要调整的关系式系数。2-1：建立用于计算的IET模型。
2-2：计算结果与IET实验结果对比。
2-3：调整模型。经过对比，适当调整模型。
2-4：初步代码准确性评估。使用FFTBM方法。
时域上的误差函数ΔF(t)定义为：
ΔF(t)＝Fcal(t)-Fexp(t)
其中Fexp(t)为实验值，Fcal(t)为计算值。
单个计算变量的代码精度量化基于FFT在频率fn处获得的离散实验和误差值的振幅，其中(n＝0，1，…，2m)，m为指数(m＝8，9，10，11)。这些振幅和频率的频谱用于计算平均振幅(AA)和加权频率(WF)，以表征编码精度。
给定代码计算精度的总体情况由平均性能指标、总加权AA(总精度)和总WF获得：
对于给定计算的准确性，可接受性准则定义为：
AAtot＜K
其中K是对整个瞬态有效的可接受因子。在详细且独立的代码准确性评估中，一个优秀的计算可以用K＝0.3来表征。其中需要特别注意的是，由于一次侧压力极其重要，其可接受系数为K＝0.1。
3-1：进行IET不确定性量化。
3-2：评估包络情况&安全/设计极限。在所有输入工况中，由于多种输入参数的变化，导致安全壳压力存在较大不确定性，但是最高为0.3362MPa，未超过安全限值，如上图所示。
3-3：进行敏感性量化。
3-4：计算相关性/敏感性。
图6给出了各输入参数对质量和能量释放的Spearman秩相关系数，根据其敏感性判定标准，若输入参数与输出参数之间的相关系数绝对值大于0.2(图6中实线)，则认为此输入参数对输出参数有较大影响，是需要考虑的重要参数。根据Spearman秩相关系数的大小来判断，对质能释放总量影响较大的输入参数主要有IRWST温度、破口喷放系数、SG材料的热导率、堆芯衰变热，破口压力、CMT温度、地坑液体内能。IRWST温度、破口喷放系数、SG材料的热导率对破口质量释放积分总量有较大的正反馈效应。也就是说，IRWST液体温度越高，破口喷放系数越大，SG材料的热导率越高，破口质量释放积分总量越大。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
第一部分：明确信息
模块1：建立评估矩阵
1-1：选择模拟对象为反应堆类型A及在A上发生的小破口失水事故。
1-2：获取可用的整体效应试验台架(IET)b、台架c和台架d，此三个台架都并非以反应堆A为原型堆设计，而是依据与A相似的反应堆所设计出的台架。根据1-1步所选择的模拟对象，通过开展实验或调研总结的方式获取台架b、c、d的实验数据。数据需包含几何参数、初始条件、边界条件、实验结果、比例比值等。
1-3：数据充分性评估。采用层次分析法等方法，对1-2步获取到的台架b、c、d的实验数据进行充分性评估，以确认其可用于后续评估矩阵的建立。
1-4：选定数据库。经过1-3步的评估筛选，选择出具有充分性的台架b、c上的具体工况实验数据，建立实验数据库。
1-5：建立现象识别与排序表(PIRT)。1-1步选定模拟对象后，可根据实验、专家意见、逆不确定性分析及工程判定等方式，对影响事故进程的重要现象进行识别，并对其重要性进行排序，建立反应堆A小破口失水事故工况下的PIRT。
1-6：选择所需复现的重要现象。根据1-5建立的PIRT，从中选取高等级现象，即模拟中需要复现的现象。
1-7：选定模拟工具。即选择用于模拟的计算程序RELAP。
1-8：获取手册等文档。由1-8步，一旦计算程序确定，则可获取程序附带的用户手册等各类文档。
1-9：用户经验。程序的流畅使用需要用户不断积累经验并学习前人经验。
1-10：程序模型评估。通过查阅1-8步获取的程序手册等各类文档，学习1-9步积累的经验，可对程序内部关系式进行评估，明确在所选事故工况条件下各类经验关系式的适用范围。
模块2：确定决定性参数
1-11：认知不确定性。通过查阅1-8步中获取的程序文档，可得知程序对各个现象的模拟能力。若其中有明确的不能准确模拟的现象，则引入认知不确定性，对其进行量化。
1-12：高等级现象。作为量化的一部分，对高等级现象及起决定性作用的参数及其初始分布范围在此步骤量化。
1-13：由于台架b、c都并非以A为原型堆设计，因此默认无法评估比例失真偏差。
1-14：关系式系数。在对事故瞬态进行模拟时，事故进程迅速，程序中各类关系式的适用范围不同，需据此灵活调整关系式中的系数。
第二部分：评估程序可用性
模块3：后测分析/代码评估
2-1：建立用于计算的IET模型。即依据模块1中获取的台架b、c几何条件、初始条件及边界条件，建立其数值模型，并需进行网格无关性验证或节点敏感性分析。同时，按照事故瞬态控制逻辑设定模型触发逻辑，最终确定模拟过程中所用的最终模型。
2-2：计算结果与IET实验结果对比。此步骤共有两部分，首先是稳态运行结果与实验初始值进行对比，通过初始值的校准后，按照事故逻辑，进行瞬态模拟，并将计算结果与随时间变化的瞬态实验结果进行对比。此步骤进行的是实验测试的后测分析(Post-testAnalysis)。
2-3：调整模型。此处为判断步骤。即根据与实验结果的吻合情况，是否要适当调整模型节点。
2-4：初步代码准确性评估。得到最终模型的计算结果后，需对模拟结果和实验结果进行定性对比，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。采用基于快速傅里叶变换的方法(FFTBM)等。此步骤量化的是代码模拟特定试验工况的偏差，即代码准确性评估。
模块4：代码比例分析能力
2-5：建立理想比例的IET模型。基于IET台架b、c，依据自上而下和自下而上分析的比例分析方法，不改变节点划分的情况下，将其放大比例到反应堆A尺度，生成放大比例IET模型B、C。
2-6：计算结果与IET台架b、c实验结果和后测分析计算结果对比。
2-7：初步代码比例能力评估。针对2-5步中各项对比类型，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。例如直接采用计算值(YC)与实验值(YE)之差(YC-YE)、两者之商(YC/YE)或基于快速傅里叶变换的方法(FFTBM)等。
模块5：NPP准确性分析/代码评估
2-8：建立用于计算的反应堆A模型。
2-9：计算结果与放大比例IET模型B、C计算结果及实验结果对比。可得到仅由工程折衷带来的失真，并可识别出台架未能复现的局部现象，例如长期冷却阶段冷却系统不相似。
2-10：调整节点。此处为判断步骤。即是否要根据与SET实验结果的吻合情况，适当调整模型节点。
2-11：初步代码准确性评估。针对2-9步中计算结果与放大比例IET模型B、C计算结果及实验结果对比，当满足定性对比条件后(即人为判定吻合)，需继续进行定量对比，即量化模拟值与实验值之间的偏差。“初步”是指直接对实验数据和模拟结果进行定量对比。采用基于快速傅里叶变换的方法(FFTBM)等。此步骤量化的是代码模拟特定试验工况的偏差，即代码准确性评估。将NPP模型计算结果与放大比例IET模拟结果对比，可得到仅由工程折衷带来的失真，并可识别出台架未能复现的局部现象。将NPP模型计算结果与SET实验结果对比，可评估程序对NPP局部现象的模拟能力。
第三部分：量化分析。
模块6：敏感性量化
3-1：进行NPP/IET/理想比例IET不确定性量化(使用第二部分建立的模型)。根据第一部分模块2获得的不确定性参数，使用第二部分建立的NPP、IET及比例放大IET的程序模型，指定目标输出参数(FoM)，即堆芯最低液位。进行基于非参数统计法的不确定性分析。
3-2：评估包络情况&安全/设计极限。每经过一轮计算，即可得到一次堆芯液位不确定性包络带。可根据图像，判断不确定性包络带是否能够包络实验值，以及FoM是否低于安全限值或设计极限。
3-3：进行敏感性量化。针对第一部分模块2获得的不确定性输入参数，基于输入不确定性传播，进行敏感性分析。
3-4：计算相关性/敏感性。使用秩相关系数，计算输入与输出之间的相关性。此过程重复多次，直到迭代找出影响较大的参数，并与第一部分中PIRT对比，对PIRT进行补充或修正。
模块7：数据适用性评估
3-5：使用无量纲数组对模拟结果进行现象学量化。作为衡量某一特定现象比例相似程度的重要参数，无量纲准则数可以对特定物理现象做出独立于台架特性、装置尺寸等的表征，因此可以用于比例设计的合理性验证以及实验数据的适用性评估量化。首先根据特定比例分析方法，推导得到一系列无量纲准则数组，表征一系列重要热工水力现象。将第二部分模型的计算结果与实验结果相结合，带入无量纲数组中，求得IET、比例放大IET、NPP各自无量纲数组的数值。
3-6：数据适用性评估&偏差/失真分析。将IET、比例放大IET、NPP各自无量纲数组的数值进行比较(ΠR)，当比值(ΠR)接近1时，代表现象复现；当比值相差较大时，代表现象不能准确复现。
3-7：是否适用。此步骤为判断步骤，即根据无量纲数组比值ΠR是否满足适用性条件，判定是否适用。
3-8：IET/SET数据适用于目标NPP/IET。当无量纲数组比值ΠR满足适用性条件时，可判定台架上的数据可适用于NPP模型或对比实验台架的验证。
3-9：识别失真现象。当无量纲数组比值ΠR不满足适用性条件时，可判定台架上的数据不能适用于NPP模型或对比实验台架的验证。可根据无量纲数比值ΠR的大小识别出失真的现象。
3-10：升级/新建实验台架。识别出失真现象后，可看情况改进升级现有的台架，使之能够复现新的NPP上的现象，或新建IET/SET台架。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备优势，下面内容结合模拟过程的数据、图表等进行描述。
现有的热工水力台架一般是基于特定反应堆设计，仅能复现此特定反应堆上的特定一个或几个事故工况。但台架一般建设费用高昂，可用范围不大，其数据的外推使用是一个亟待解决的问题。为了扩大实验数据及台架本身的适用范围，如图1，本方法第二部分从台架本身出发，将其按照比例分析方法，比例放大至目标反应堆尺度，直接对比其各项几何、初始条件参数，一定程度上识别出不适用的组件，为台架的升级改造提供指导。同时在方法的第三部分，引入无量纲数计算的现象学评估方法，量化偏差，并评估数据适用性，使得台架数据可应用于非原型堆，大大扩大了其适用范围。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种突出比例分析的模块化不确定性量化评估方法，其特征在于，所述突出比例分析的模块化不确定性量化评估方法包括：
首先，通过选择模拟对象，根据所述模拟对象进行数据的获取与处理构建评估矩阵、确定决定性参数进行信息的明确；
其次，通过进行代码评估、代码比例分析能力确定、NPP准确性评估评估程序可用性；
最后，通过进行敏感性量化、数据适用性评估进行量化分析。
2.如权利要求1所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述突出比例分析的模块化不确定性量化评估方法包括以下步骤：
步骤一，通过选择模拟对象、根据模拟对象获取数据并进行数据充分性评估，构建现象识别与排序表，进行复现现象、模拟工具以及数据的选择，通过选定模拟工具，获取手册等文档，并依据用户经验评估程序模型，并最终建立评估矩阵；
步骤二，通过确定程序对各个现象的模拟能力，对认知不确定性、高等级现象及起决定性作用的参数、比例失真偏差以及关系式系数的获取，并对所述参数的初始分布范围进行量化，最终确定决定性参数及其范围；
步骤三，通过构建用于计算的IET模型、将计算结果与IET实验结果对比，进行模型节点的适应性调整以及初步代码准确性评估进行后测分析；
步骤四，通过构建理想比例的IET模型或对比实验模型、将计算结果与IET实验结果和后测分析计算结果进行对比、评估初步代码比例能力；
步骤五，通过构建NPP数值模型，适用SET数据对模型节点进行适应性调整、评估初步代码的准确性、确定代码比例分析能力并进行NPP准确性分析；
步骤六，通过进行NPP/IET/理想比例IET不确定性量化，评估包络情况、是否超过安全及设计极限，使用步骤二生成的决定性参数及其分布范围，对参数进行敏感性量化，计算相关性、敏感性进行敏感性量化，并反馈给步骤二，调整参数重要性；
步骤七，通过使用无量纲数组对模拟结果进行现象学量化、数据适用性评估、偏差和失真分析进行数据适用性评估，为后期数据的拓展使用、新台架的建设、新实验的设计提供指导。
3.如权利要求2所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述构建评估矩阵包括：
(1)选择模拟对象，并根据选择的模拟对象获取可用的整体效应试验台架、分离效应试验台架及核电厂的运行数据；同时采用层次分析法或其他方法对获取的运行数据进行充分性评估；
(2)选择具有充分性的实验数据，构建实验数据库；根据选择的模拟对象对影响事故进程的重要现象进行识别，并对所述重要现象的重要性进行排序，建立特定反应堆特定事故工况下的现象识别与排序表；
(3)从构建的特定反应堆特定事故工况下的现象识别与排序表中选取高等级现象得到需复现的重要现象；选择用于模拟的工具，并获取工具手册、程序文档或其他数据；
(4)对程序内部关系式进行评估，明确在所选事故工况条件下各类经验关系式的适用范围。
4.如权利要求2所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述确定决定性参数包括：
首先，基于程序文档获取程序对各个现象的模拟能力；若存在明确的不能准确模拟的现象，则引入认知不确定性，进行量化；
其次，进行对高等级现象及起决定性作用的参数及所述参数的初始分布范围的量化；
然后，确定整体效应试验台架、分离效应试验台架与目标模拟对象之间的整体或局部比例失真偏差；
最后，在对事故瞬态进行模拟时，调整关系式中的系数。
5.如权利要求2所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述进行后测分析包括：
1)构建用于计算的IET模型：根据获取的运行数据中的IET几何条件、初始条件及边界条件，建立数值模型，并进行网格无关性验证或节点敏感性分析；同时按照事故瞬态控制逻辑设定模型触发逻辑，得到模拟过程中所用的最终模型；
2)将计算结果与IET实验结果对比：首先，将稳态运行结果与实验初始值进行对比，通过初始值的校准，按照事故逻辑，进行瞬态模拟，并将计算结果与随时间变化的瞬态实验结果进行对比；
3)判断是否需要调整模型节点；若是，则返回步骤1)；否则，转向步骤4)；
4)进行初步代码准确性评估：对模拟结果和实验结果进行定性对比，当满足定性对比条件后，量化模拟值与实验值之间的偏差。
6.如权利要求2所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述确定代码比例分析能力包括：
(1)构建理想比例的IET模型或对比实验模型：通过基于原型反应堆或IET台架，依据特定比例分析方法，降比例至台架尺度或放大比例至原型堆尺度的模型构建理想比例的IET模型；
(2)将计算结果与IET实验结果和后测分析计算结果进行对比，进行初步代码比例能力评估：针对各项对比类型，当满足定性对比条件后，继续进行定量对比，评估代码对不同尺度反应堆/台架的现象模拟能力；
所述NPP准确性分析及代码评估包括：
(1)根据真实NPP构建用于计算的NPP数值模型；并将计算结果与NPP运行结果、理想比例的IET模型计算结果、后测分析计算结果、IET&SET实验结果对比；
(2)根据与实验结果的吻合情况判断是否需要调整模型节点；若需要，则返回步骤(3)，否则转向步骤(5)；
(3)进行初步代码准确性评估：针对各项对比类型，当满足定性对比条件后，继续进行定量对比，量化模拟值与实验值之间的偏差：将NPP模型计算结果与NPP运行结果对比，评估程序对NPP尺度的精确模拟能力；将NPP模型计算结果与ISF模型计算结果对比，得到仅由比例带来的失真；将NPP模型计算结果与放大比例IET模拟结果对比，得到仅由工程折衷带来的失真，并识别台架未能复现的局部现象；将NPP模型计算结果与后测分析计算结果及IET实验结果对比，得到由比例、工程折衷及代码模拟能力不足带来的失真；将NPP模型计算结果与SET实验结果对比，评估程序对NPP局部现象的模拟能力。
7.如权利要求2所述突出比例分析的模块化不确定性量化评估方法，其特征在于，所述敏感性量化包括：
(1)进行NPP/IET/理想比例IET不确定性量化：根据获得的不确定性参数，使用建立的NPP、IET或理想比例IET的程序模型，指定目标输出参数进行基于非参数统计法的不确定性分析；
(2)评估包络情况、安全及设计极限：根据图像，判断每经过一轮计算得到的一次目标输出参数的不确定性包络带是否能够包络实验值，以及FoM是否超过安全限值或设计极限；
(3)进行敏感性量化：针对得到的不确定性输入参数，基于输入不确定性传播，进行敏感性分析；
(4)计算相关性、敏感性：使用简单相关系数、秩相关系数、偏秩相关系数、矩独立敏感性分析、Morris方法或其他敏感性分析方法，迭代计算输入与输出之间的相关性确定影响较大的参数，并与PIRT对比，对PIRT进行补充或修正；
进一步，所述数据适用性评估包括：
(1)使用无量纲数组对模拟结果进行现象学量化：根据特定比例分析方法，得到一系列无量纲准则数组，表征一系列重要热工水力现象；将模型的计算结果与实验结果相结合，带入无量纲数组中，得到IET、理想比例IET、NPP各自无量纲数组的数值；
(2)数据适用性评估、偏差、失真分析：将IET、理想比例IET、NPP各自无量纲数组的数值进行比较，当比值接近1时，代表现象复现；当比值相差较大时，代表现象不能准确复现；
(3)根据无量纲数组比值是否满足适用性条件，判定是否适用，若适用，则转向步骤(4)；否则，转向步骤(5)；
(4)当无量纲数组比值满足适用性条件时，判定IET/SET数据适用于目标NPP/IET模型；
(5)当无量纲数组比值不满足适用性条件时，判定IET/SET数据不能适用目标NPP/IET模型，根据无量纲数比值的大小识别失真的现象，并基于识别的失真现象改进升级现有的台架或新建IET/SET台架；
初步代码准确性评估，使用FFTBM方法；
时域上的误差函数ΔF(t)定义为：
ΔF(t)＝Fcal(t)-Fexp(t)其中Fexp(t)为实验值，Fcal(t)为计算值；
单个计算变量的代码精度量化基于FFT在频率fn处获得的离散实验和误差值的振幅，其中(n＝0,1,…,2m)，m为指数(m＝8,9,10,11)；振幅和频率的频谱用于计算平均振幅(AA)和加权频率(WF)，以表征编码精度；
给定代码计算精度的总体情况由平均性能指标、总加权AA和总WF获得:
对于给定计算的准确性，可接受性准则定义为：
AAtot＜K
其中K是对整个瞬态有效的可接受因子，在详细且独立的代码准确性评估中，一个优秀的计算可以用K＝0.3来表征，由于一次侧压力极其重要，其可接受系数为K＝0.1。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述突出比例分析的模块化不确定性量化评估方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述突出比例分析的模块化不确定性量化评估方法的步骤。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于执行如权利要求1-7任意一项所述突出比例分析的模块化不确定性量化评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310134929.2A CN116305837B (zh) | 2023-02-16 | 2023-02-16 | 一种突出比例分析的模块化不确定性量化评估方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310134929.2A CN116305837B (zh) | 2023-02-16 | 2023-02-16 | 一种突出比例分析的模块化不确定性量化评估方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116305837A true CN116305837A (zh) | 2023-06-23 |
| CN116305837B CN116305837B (zh) | 2024-02-02 |
Family
ID=86793322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310134929.2A Active CN116305837B (zh) | 2023-02-16 | 2023-02-16 | 一种突出比例分析的模块化不确定性量化评估方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116305837B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120185222A1 (en) * | 2010-11-23 | 2012-07-19 | Westinghouse Electric Company, Llc | Full spectrum loca evaluation model and analysis methodology |
| CN104700222A (zh) * | 2015-03-18 | 2015-06-10 | 中科华核电技术研究院有限公司 | 核电厂大破口事故不确定性分析方法 |
| CN106653110A (zh) * | 2016-08-31 | 2017-05-10 | 上海交通大学 | 大型先进反应堆压力容器外部冷却全高度综合试验平台 |
| CN110472846A (zh) * | 2019-07-30 | 2019-11-19 | 西安交通大学 | 核电厂热工水力安全分析最佳估算加不确定性方法 |
| CN113948231A (zh) * | 2021-09-09 | 2022-01-18 | 国家电投集团科学技术研究院有限公司 | 核电厂小破口事故的关键现象的识别方法及装置 |
| CN113990054A (zh) * | 2021-11-16 | 2022-01-28 | 许继集团有限公司 | 一种储能电站数据分析与预警系统 |
| CN114186405A (zh) * | 2021-12-02 | 2022-03-15 | 中国人民解放军92578部队 | 一种核动力反应堆系统的参数不确定性分析方法及系统 |
-
2023
- 2023-02-16 CN CN202310134929.2A patent/CN116305837B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120185222A1 (en) * | 2010-11-23 | 2012-07-19 | Westinghouse Electric Company, Llc | Full spectrum loca evaluation model and analysis methodology |
| CN104700222A (zh) * | 2015-03-18 | 2015-06-10 | 中科华核电技术研究院有限公司 | 核电厂大破口事故不确定性分析方法 |
| CN106653110A (zh) * | 2016-08-31 | 2017-05-10 | 上海交通大学 | 大型先进反应堆压力容器外部冷却全高度综合试验平台 |
| CN110472846A (zh) * | 2019-07-30 | 2019-11-19 | 西安交通大学 | 核电厂热工水力安全分析最佳估算加不确定性方法 |
| CN113948231A (zh) * | 2021-09-09 | 2022-01-18 | 国家电投集团科学技术研究院有限公司 | 核电厂小破口事故的关键现象的识别方法及装置 |
| CN113990054A (zh) * | 2021-11-16 | 2022-01-28 | 许继集团有限公司 | 一种储能电站数据分析与预警系统 |
| CN114186405A (zh) * | 2021-12-02 | 2022-03-15 | 中国人民解放军92578部队 | 一种核动力反应堆系统的参数不确定性分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张雪艳 等: "基于无量纲准则数的整体效应试验数据适用性验证方法探究", 核动力工程, vol. 43, no. 1, pages 64 - 71 * |
| 邓程程;常华健;陈炼;: "小破口失水事故最佳估算的不确定性和敏感性分析", 原子能科学技术, no. 07 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116305837B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11562114B2 (en) | Apparatus and method for safety analysis evaluation with data-driven workflow | |
| US7366273B2 (en) | Method of determining margins to operating limits for nuclear reactor operation | |
| Bestion et al. | Review of uncertainty methods for CFD application to nuclear reactor thermalhydraulics | |
| US20070180411A1 (en) | Method and apparatus for comparing semiconductor-related technical systems characterized by statistical data | |
| CN116305837B (zh) | 一种突出比例分析的模块化不确定性量化评估方法及设备 | |
| JP2014229283A (ja) | 設計計算結果補正装置および設計計算結果補正方法 | |
| JP2016071421A (ja) | 計算誤差推定装置および計算誤差推定方法 | |
| EP2643781B1 (en) | Full spectrum loca evaluation model and analysis methodology | |
| Zeng et al. | Uncertainty analysis of Light water reactor core simulations using statistic sampling method | |
| Shi et al. | Sensitivity evaluation of AP1000 nuclear power plant best estimation model | |
| CN114840591A (zh) | 一种分段开关功率数据的确定方法及装置 | |
| Saghafi et al. | Development and qualification of a thermal-hydraulic nodalization for modeling station blackout accident in PSB-VVER test facility | |
| Mandelli et al. | Improved Sampling Algorithms in the Risk-Informed Safety Margin Characterization Toolkit | |
| Shin et al. | Limiting conditions prediction using machine learning for loss of condenser vacuum event | |
| Castro et al. | Methodologies for sensitivity/uncertainty analysis using reactor core simulators with application to pressurized water reactors | |
| CN113919609A (zh) | 一种配电网模型质量综合评估方法和系统 | |
| Bajs et al. | Development of the qualified plant nodalization for safety and operational transient analysis | |
| JP2021039024A (ja) | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 | |
| Tasneem et al. | A hierarchical tree-based decision making approach for assessing the trustworthiness of risk assessment models | |
| Spencer et al. | Enhancements to Engineering-scale Reactor Pressure Vessel Fracture Capabilities in Grizzly | |
| Kurth et al. | Comparison of Non-Standard Simulation Methods for Performing Extremely Low Probability Assessments | |
| Badodi et al. | Development and validation of a SIMMER-III/ANSYS code chain methodology for the integral safety analysis of WCLL fusion reactor components | |
| CN113221301B (zh) | 一种生成电力电子电源场站稳定性判据的方法及装置 | |
| Kumar | Quantifying time-dependent uncertainty in the BEAVRS benchmark using time series analysis | |
| Mandelli et al. | Risk-Informed Analysis of Commercial Nuclear Reactors: the RISMC Approach and 10CFR50. 69 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |